Proyecto Brainer
IA para la Movilidad
Corporativa Sostenible
Proyecto Brainer
IA para la Movilidad Corporativa Sostenible
El objetivo del proyecto BUSUP BRAINER es crear una herramienta proactiva con componentes que interactúen constantemente optimizando las rutas, como respuesta a cambios rápidos en la demanda. Para ello utilizará algoritmos de clasificación y regresión para analizar datos históricos (KPIs). Además, generará modelos de Inteligencia Artificial (IA), con los que ofrecer análisis de errores, sugerencias operativas (recomendaciones) y predicciones basadas en el análisis de los KPIs.
Estructura Proyecto
Para alcanzar este objetivo principal, deberán lograrse los siguientes objetivos específicos (OEs):
OE1: Identificación de los KPIs relevantes
OE2: Desarrollar una solución
OE3: Generar servicios de predicción
Ello se divide en 5 partes o paquetes de trabajo diferenciados:
PT1: Análisis de datos históricos de operativa y detección de patrones de decisión.
PT2: Análisis en tiempo real de optimazación y rendimiento de la ejecución.
PT3: Predicción de resultados de operación para servicios futuros.
PT4: Integración y pruebas de validación.
PT5: Amplia difusión.
Elementos
Código Abierto
A continuación se describen los diversos elementos que se han abierto con código abierto. Dicha selección se ha realizado en base a la modularidad del código. Es decir, que una tercera parte pueda reutilizarlo sin necesidad de hacer muchas modificaciones. Todos los elementos incluyen un README con la explicación del funcionamiento de los diversos módulos. Estos módulos se abren mediante licencia MIT
Core Micro
Servico Alerts
Código del microservicio que mediante la entrada de determinados eventos, genera alertas en tiempo real. Incluye documentación (Readme) para poder aplicarlo correctamente. (sistema de alertas)
Core Brainer
Machine Learning
Código core que contiene librerías de ayuda para ejecutar, sin errores, los otros repositorios.
Linear
Scoring
Código de una clase scoring, que dadas unas features de una operación, permite trabajar fácilmente con una puntuación (past performance)
Catboost
Base Model
Código refinado proveniente del repositorio catboost que permite una fácil manipulación de ella. Contiene métodos de cross-validation y generación de predicciones y otras funciones( future prediction)
